Ecom-RLVE 推出電商 AI 智能體的可驗證訓練環境
hugging face 發布了 ecom-rlve，這是一個用於訓練電商對話代理的可驗證強化學習環境。不同於基於 llm 評判的方法，它使用基於任務完成度、效率和幻覺檢查的程序化獎勵信號，覆蓋八種不同的購物場景，確保智能體正確處理多輪工作流程和工具使用，且不會虛構產品 id。
Hugging Face 推出了 Ecom-RLVE，一個開放原始碼的強化學習環境，旨在訓練和評估用於電子商務的對話式代理。該框架在 RLVE-Gym 的基礎上擴展，從單回合文字謎題轉向複雜的多回合代理工作流程，這些工作流程需要工具使用，例如目錄搜尋和購物車操作。它具有自適應難度課程，並根據任務成功（產品/變體/數量元組的 F1 分數）、效率和幻覺懲罰提供可驗證的獎勵，確保代理不會編造他們未檢索的產品 ID。